在AI肆虐席卷各行各业的时代，UXUI设计师需快速跟上并转型AI UX，需要如何开始？如何入门？
概念：
Artificial Intelligence，人工智能；让机器能像人类一样，能有识别、学习、理解等认知能力；
详述：
如Siri助手，能帮你打电话给某人，帮你打开某一应用；能识别语音，听懂你说话，帮你解决问题。
概念：
Artificial General Intelligence，通用人工智能；能够学习、理解和应用知识到任何领域，AI的理想终态。现阶段有几种方向发展中:
2、具身智能：
有具体的“身体”，不只识别，还能像人类一样行动；如：宇树科技跳舞机器人、四足巡检机器人等；
概念：
Large Language Model，大语言模型；通过海量的文本数据训练，能理解和生成接近人类的自然语言；
详述：
数据量“大”、计算资源“大”和参数模型“大”；训练的文本数据量涵盖多领域(科学、文学和代码)、多语言和多形态(图片、文字和视频)；训练参数越大，耗费的计算资源越大，训练完成后越聪明~
概念：
Artificial Intelligence Generated Content，人工智能生成内容；
详述：
像DeepSeek、豆包等AI工具，告诉AI想要什么，AI能生成具体内容，有“创造力”的文字创作、图片生成、视频制作、还能辅助编写代码。
概念：
使用AI能力的能感知环境、规划决策并执行任务，解决复杂问题的智能体；
详述：
目前已应用于虚拟助手、自动驾驶、智能家居、客服系统等领域；如钉钉魔法棒套件，能处理文档、智能回答、数据汇总分析；飞书的“MyAI"助手，能撰写文档、创建报告，还能自动续写…
让机器不用一步一步教规则，而是通过“喂"给它大量数据，让它自己找规律、学经验，然后完成特定任务；比如：识别图片是不是猫？预测明天会不会下雨等。如下图左。
机器学习的一个子领域，更为厉害的算法！核心是使用【多层神经网络(Deep Neural Networks)】自动学习复杂特征。它模仿人脑的分层信息处理机制！如下图右。
在Transformer出现之前，AI在处理语言时，主流的“学霸”是两种叫做“递归神经网络”（RNN）和“长短期记忆网络”（LSTM）的架构。
RNN的主要特点是：顺序处理， 就像一个字一个字阅读课文；
Transformer 特点：并行处理，同时阅读所有文字；根本上解决了效率问题！才使得处理海量文本，训练参数规模巨大的模型成为可能，也为能够真正理解复杂语言的大模型的诞生奠定了基础！！
那么同时阅读，是怎么知道哪个字更重要？哪个字在前哪个字在后呢？这就是“注意力机制”，进阶版为“自注意力机制”！即：能给每个文字设置权重并编码！
Transformer 就是一个通过“自注意力机制”让序列中的每个元素都能同时、直接、高效地关注所有其他元素，从而更好地理解上下文关系的超级模型！实现了“关注重点、理解上下文、保持顺序” 像人一样理解语言的基础能力！
模态就是指信息的形态，例如文本、图像、音频、视频、传感器数据（信号等）等，这些是信息的不同展现形态，我们称之为“模态”。那么，“多模态”即多种信息形态的组合。
AI到底能做什么？不能做什么？边界在哪里？在”智能硬件“领域又是怎样的呢？AI时代，我们应该如何应对？
1)、根据需求基于大量案例参考分析，提供多种方案供选择；
3)、基于用户行为数据分析，提供改进方案及预测设计趋势；
仅能提供设计方案，无法感知真实是否合适。比如硬件的开孔设计、排线设计、电机运转后的发热情况？外观材料触感是否好？AI均无法进行体验和测试。
可基于用户行为进行数据分析，提供方案供选择；但无法判断真正的用户体验是否可行。比如提示音是否让人焦虑？屏幕触控是否灵敏？一些物理硬件的限制如何交互优化上弥补等？
没有内在的道德观、法律合规及安全责任等，已有知识数据存在盲区和失效性。对物理硬件的维修判断也仅能依靠用户的反馈描述。无法保证硬件设计的安全性、合规性及可靠性。这极其重要，需要人类设计师和工程师判断决定！
无法创造性的提供一种全新的交互方式。所有方案均基于用户的描述，在已有数据找规律输出。
在AI逐渐渗透生活中各方面的情况下。我们应如何应对？体验设计师应如何应对？
人机协同！把AI能做的交给AI去做！不能做的，作为优势不断深化！
梳理工作流程，如行业研究/用户研究/竞品分析/交互方案… ，其中AI无法完成的，深化学习！！以智能硬件体验设计为例：
3)、
【尤为重要】
观察并记录生活！培养设计思考习惯！为什么会这样设计？如果不这样设计，还可以怎样？
4)、
【尤为重要】
培养系统思维！为什么这样设计？与生活中其他设备如何系统？如何正向影响生活？
